C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04, W [( v' n+ D. I: x! q0 o }
拉下来？拉多少？/ I- w+ B2 w. \* u1 }
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
3 s1 s( J& b4 J1 j9 }Maybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54" o& q1 B) [, j3 \. A+ U# M
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
0 C/ k) B9 U- a2 f! t4 e1 y. u{. Y* F/ M& F8 P: ?4 Z5 E+ _
comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
/ q2 m3 i& t$ L7 W7 k7 B/ d: L这个不是这么比的吧。。。
- r; H9 L2 V( H8 `# y( J3 @' Y: ]3 U" j5 X, J- r& f
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
* \( Y& U4 q: @% W6 @9 A& |有道理。5 o- V; `: M! P2 H5 f
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20, Y4 s1 D* u I
这个不是这么比的吧。。。8 _, l7 p! c0 b2 {$ K
5 {* J7 ]% i3 b
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48
* C* z3 ^+ k& \. C" U8 a现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27
* W0 K! V7 W8 |3 c你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:474 c: \' I. c* }: G% h
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47
. R8 e' E5 Z; j" o! `) c Y+ X' S又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58$ V+ t- b. e1 j, E6 D; t# \, N; }% T- s
能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);" X6 }8 Z! A( G8 E& @- Z; n
      std::vector < float > vec2(N);
! e' i4 u( ~/ z7 h4 j0 d. G1 j       float* b1 = new float[N];7 H9 O" V  k. s8 c
      float* b2 = new float[N];) \4 }, e, v! ]4 L/ ?
. _+ |: T( C7 b) l' S
      for (int j = 0; j < 6000; j++), ~6 c" K& e: ~1 Q' ^
      {- v% J3 v$ \, Z8 J8 [0 S
            std::generate(vec1.begin(), vec1.end(), []() {
3 x1 ?8 v! n3 x5 n& D                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
$ H% \3 P! `. f0 y* l" _                      });! t7 ]% H3 n4 q. m) C, ?

" I2 [, H( s! X; @0 ]             std::generate(vec2.begin(), vec2.end(), []() {
- w* ]% K$ Y: B* G* q5 b7 V8 r                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
; ]+ \2 t8 f* S7 e4 Q7 P                      });% x% I! e* B" g$ _- J1 D

+ |: j5 F  j: G) H* A             for (size_t jj = 0; jj < vec1.size(); jj++); e0 J" `! C  H* V
            {( j. n9 I2 \" ?- E$ A# T4 v
                     b1[jj] = vec1[jj];
3 ~3 F# Q- r0 H& {$ x' j             }
, P, V. @: f) H9 _3 G+ l4 U% X3 @! [8 \/ O! ~2 G
            for (size_t jj = 0; jj < vec2.size(); jj++)
. m1 V. t3 g6 ?% i0 I             {* u1 V' N  j0 x8 F5 y8 d
                     b2[jj] = vec2[jj];# w$ ]" p1 V+ z% w
            }* u! x/ r3 ?0 T
% X( ]% ~. D: D8 o
            //Method - 1  N=100000 247s  3 ~; e! [4 W, p- }
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
6 K1 X" T. S$ @6 a                               / J! Y& l1 j; R  K5 C: Y% T: K
            //Method - 2  N=100000  237s
* [( J' d& C) A             /*
! X% f( j# i9 w$ ~5 o7 ]             for (int jj = 0; jj < N ; jj++)5 _5 @% T' O; C' x  U
            {, J8 o5 A/ V6 ]& V
                     fresult += vec1[jj] * vec2[jj];
* J5 H5 |* M2 x' {3 g             }' o: s, J1 y. @3 M% E
            */6 K+ U/ t. F, [9 x5 T

$ ^9 R9 T7 J8 d7 n8 X. {7 K             //Method - 3  N=100000 204s
/ D2 W7 a) E3 w; X3 o             /*1 [+ B  w" Y- {0 Z( `6 H$ ?+ a$ W" X
            for (int jj = 0; jj < N; jj++)$ K1 o! u5 C6 a: A# ^6 `; W4 I
            {
2 @% D' P# G6 a* w0 A: ~                      fresult += b1[jj] * b2[jj];
  K$ q$ `/ W7 t( z( p% }             }+ A0 m7 m# Q2 i+ u% i% U
            */1 r+ `9 s5 f1 S  [- O0 W

; s& {/ b' N: }             //Method - 4 202s- ^. z# p( F  O
            /*4 Q5 l2 i, g( I: c# J; z5 f
            for (int jj = 0; jj < N; jj++)5 @; o3 ~( X" P8 b
            {) i) C" w1 `: ~; o6 y& c$ q

2 ~5 n, \$ A- Q- c9 m# I             }0 C0 A; C+ J1 [  p. G+ f( z
            */
3 b' b) C& U2 Q( S0 |8 S- a             //comment out all methods, N=100000  202s             4 b/ D( \4 x2 a. i
      }7 N# ]1 q* B2 e# Z2 M4 Y0 H

2 L( P  }% F/ |/ t! X8 r5 K       delete []b1;0 M# i, N3 U5 r0 W# ~
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15- k4 O$ @+ X% ^7 k; [
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？1 S" s' a6 L! z, N- r. D: w( {9 S9 ~' z
* }2 z+ o" U* g* F2 \
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16
" y% `$ S( I7 m* M! M" s内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
/ H3 R! q* K( w2 Y+ Y; o2 s0 o
. R) l7 h9 L; A2 F' x不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54* k1 X6 w/ E' M# \9 k
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB), e' q3 L n7 V' v) j
{. e. z# n! }7 n: e2 P4 X, F
comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块